文摘
英文文摘
声明
第一章绪论
1.1研究背景及意义
1.2红外弱小目标检测与跟踪的研究现状
1.3红外弱小目标观测模型及检测跟踪性能评价
1.3.1红外弱小目标观测模型
1.3.2检测与跟踪的常用性能评价
1.4论文的主要工作与章节安排
第二章粒子滤波及其改进
2.1引言
2.2非线性贝叶斯滤波
2.2.1状态空间模型
2.2.2贝叶斯滤波原理
2.3粒子滤波
2.3.1粒子滤波的关键技术
2.3.2基本粒子滤波算法流程
2.4基于新型遗传重采样的粒子滤波
2.4.1快速Metropolis-Hastings采样
2.4.2新型遗传重采样粒子滤波算法
2.4.3仿真实验与分析
2.5基于拟蒙特卡罗的高斯和粒子滤波
2.5.1拟蒙特卡罗
2.5.2拟蒙特卡罗高斯和粒子滤波算法
2.5.3仿真实验与分析
2.6本章小结
第三章基于粒子滤波的单目标检测
3.1引言
3.2非机动目标运动模型
3.3传统的粒子滤波检测前跟踪算法
3.3.1 Salmond框架下的PF-TBD
3.3.2 Boers框架下的PF-TBD
3.3.3对比分析
3.4基于Rao-Blackwellized粒子滤波的双统计量检测
3.4.1红外弱小目标的状态分离与模型改写
3.4.2基于Rao-Blackwellized粒子滤波的TBD算法
3.4.3双统计量检测
3.4.4仿真实验与分析
3.5克拉美-罗下界分析
3.5.1 CRLB理论分析
3.5.2红外单目标匀速运动模型的CRLB分析
3.5.3仿真实验与分析
3.6本章小结
第四章基于粒子滤波的多目标检测
4.1引言
4.2多目标模型
4.3基于多RBPF的多目标检测
4.3.1多目标RBPF算法
4.3.2多RBPF滤波器的多目标检测算法
4.3.3仿真实验与分析
4.4基于U-QMC-GPF的多目标检测
4.4.1联合状态与似然函数的定义
4.4.2 U-QMC-GPF的多目标检测算法
4.4.3仿真实验与分析
4.5克拉美-罗下界分析
4.5.1红外多目标匀速运动模型的CRLB分析
4.5.2仿真实验与分析
4.6本章小结
第五章基于粒子滤波的机动目标跟踪
5.1引言
5.2机动目标运动模型
5.3基于自适应采样周期的QMC-GPF目标跟踪
5.3.1基于QMC-GPF滤波残差的采样周期调整方法
5.3.2跟踪算法流程
5.3.3仿真实验与分析
5.4基于“当前”统计模型的QMC-GPF目标跟踪
5.4.1红外弱小目标的“当前”统计模型
5.4.2跟踪算法流程
5.4.3仿真实验与分析
5.5基于交互多模型的QMC-GPF目标跟踪
5.5.1交互式多模型
5.5.2跟踪算法流程
5.5.3仿真实验与分析
5.6本章小结
第六章总结与展望
6.1总结
6.2展望
致谢
参考文献
作者在攻读博士学位期间取得的成果
西安电子科技大学;
粒子滤波; 红外弱小目标检测; Rao-Blackwellized粒子滤波; 拟蒙特卡罗; 递推贝叶斯估计; 克拉美罗下界;